窗口可以作用與DataStream之上。

如果數(shù)據(jù)是未分流（keyby）的，那么就對全量數(shù)據(jù)加窗口

如果數(shù)據(jù)是分流后的，那么針對每個流加窗口（類似SQL的group by 后對每個分組做聚合）

可以看出，未分流的數(shù)據(jù)，只能使用帶ALL關(guān)鍵字的方法

案例

自定義一個Source, 每隔1秒產(chǎn)生一個的k,v? k是hadoop spark flink 其中某一個, v是隨機數(shù)字

對數(shù)據(jù)加窗口, 窗口1對未分流的數(shù)據(jù)統(tǒng)計數(shù)字總和

窗口2對按key分組后的數(shù)據(jù)統(tǒng)計每個key對應(yīng)的數(shù)字總和

代碼實現(xiàn)